📚 课程目录第2章环境搭建

环境搭建：R/Python依赖安装、conda环境配置与测试

好，咱们开始动手。环境搭建这步，说白了就是给你的电脑装上所有CellTrek需要的“零件”。我个人习惯用conda来管理，因为Python和R的包版本打架的问题太常见了。你想想看，Python包版本不对，R包冲突，再来个GPU驱动不匹配，光这些就能折腾你一天。

所以，我建议你专门新建一个conda环境，把所有东西隔离起来。

环境全景：CellTrek依赖一览

CellTrek本身是R包，但它的核心计算部分用了Python。咱们需要同时搞定R和Python两边的东西。

下面是完整的依赖清单：

依赖类别	具体工具/包	用途
R 核心环境	R (>= 4.1), Seurat, tidyverse, Matrix	单细胞数据处理与可视化
CellTrek 核心	CellTrek (GitHub), SeuratDisk	空间定位算法与数据格式转换
Python 环境	Python 3.8-3.10, torch (>=1.10), scanpy, anndata	深度学习与空间坐标预测
辅助工具	Gradnorm, cell2location (可选)	数据预处理与辅助定位

注意版本兼容性：我在项目中遇到过Python 3.11和torch 2.0不兼容的情况，导致CellTrek的Python后端直接报错。建议卡死在Python 3.8-3.10之间，别追新。

环境准备步骤

下面三步走，搞定所有依赖。

第一步：安装Miniconda

如果你还没装conda，先去官网下个Miniconda。装完之后，打开终端验证一下：

conda --version

第二步：创建并激活conda环境

我习惯用YAML文件来定义环境，这样可复现。创建一个叫 celltrek_env.yml 的文件，内容如下：

name: celltrek
channels:
  - conda-forge
  - bioconda
  - pytorch
  - defaults
dependencies:
  - python=3.9
  - r-base=4.2
  - r-seurat
  - r-tidyverse
  - r-devtools
  - r-reticulate
  - pytorch=1.13.1
  - torchvision
  - torchaudio
  - cudatoolkit=11.7
  - scanpy
  - anndata
  - pip
  - pip:
    - cell2location
    - gradnorm

然后执行：

conda env create -f celltrek_env.yml
conda activate celltrek

这一步会装好大部分东西。但如果网络不好，某些R包可能会中断。

第三步：安装CellTrek的R包

CellTrek在GitHub上，所以需要用devtools来装。进入R环境：

然后在R控制台里运行：

library(devtools)
install_github("jinmiao/CellTrek")

如果遇到依赖缺失，比如SeuratDisk没装上，可以手动补：

install.packages("SeuratDisk")

  关键点：CellTrek需要reticulate包来在R里调用Python。装好后，一定要检查一下reticulate是否自动找到了你conda环境里的Python。

配置测试：确保一切就绪

环境搭好后，跑个测试最安心。我一般会写一个小脚本来验证。

测试Python端

创建一个test_env.py文件：

import scanpy as sc
import anndata as ad
import torch

print("scanpy version:", sc.__version__)
print("anndata version:", ad.__version__)
print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())

运行：

python test_env.py

如果能看到版本号，就说明基本环境没毛病。特别留意一下CUDA是否可用，如果你的机器有NVIDIA显卡的话。

测试R端

在R里运行：

library(CellTrek)
library(Seurat)

# 检查reticulate是否连接上Python
library(reticulate)
py_config()

输出结果应该显示Python路径指向你conda环境里的那个。我曾经踩过坑，R的reticulate自动找了系统默认的Python 3.11，结果torch版本不匹配，报了一堆错。

如果py_config()显示的Python不对，可以手动指定：
use_condaenv("celltrek", required=TRUE)

环境搭建流程图

下面这张图是整个环境搭建的流程，从零到跑通测试：

避坑指南

环境搭建这步，我至少见过十几个人卡住。最常见的问题有三个：

R包安装失败：尤其是SeuratDisk和devtools。试试用install.packages("SeuratDisk", repos = "https://cloud.r-project.org/")手动指定镜像。如果还不行，检查一下你的系统有没有装libcurl和libxml2。
Python版本不对：CellTrek的Python后端依赖某些旧版本的torch。我曾经遇到过，用conda装的时候没指定Python版本，结果默认装了3.11，torch的某些API变了，CellTrek直接报AttributeError。解决方案很简单：重新建一个环境，指定Python=3.9。
GPU加速不生效：如果你有NVIDIA显卡，但torch的cuda.is_available()返回False。检查一下cudatoolkit版本是否和你的驱动匹配。我个人习惯装cudatoolkit=11.7，兼容性最好。

小技巧：如果你在服务器上跑，没有root权限，conda env create可能会因为文件锁定而失败。试试加上--force或者手动删除~/.conda/pkgs下的锁定文件：rm -rf ~/.conda/pkgs/*.lock。

嗯，环境搭好之后，你就可以正式开始CellTrek的实战了。记得把每一步跑通，别跳过测试。嗯，算是个实战经验吧——我有个同事就是跳过了测试，结果在真实数据上跑了一天，最后发现是因为reticulate没连对Python，白白浪费了几个小时。